2003年-世界发展银行全球_Institutions_Trade_and_Growth___Revisiting_the_Evidence_36页_1mb

报告摘要

总结：机构、贸易与增长：重新审视证据

核心内容

本文由David Dollar和Aart Kraay撰写，旨在重新审视机构和贸易对长期经济增长的偏效应（partial effects）的实证研究。他们指出，尽管使用地理和历史变量作为工具变量（instruments）在第一阶段回归中表现良好，但这些变量在识别偏效应方面存在严重的问题。

主要观点

工具变量的弱识别问题
多数现有实证模型在识别机构和贸易对经济增长的偏效应时，存在弱工具变量（weak instruments）的问题。即使第一阶段回归的解释力较强，但工具变量对两个内生变量（机构和贸易）的解释力高度相关，导致模型的识别能力较弱。
不同研究的结论差异
不同研究对机构和贸易对经济增长的影响得出截然不同的结论。例如：
- Frankel和Romer（1999）发现贸易对长期增长有显著正向影响。
- Acemoglu等人（2001）发现机构质量对发展有重要影响。
- Dollar和Kraay（2002）认为数据中的国家间差异不足以识别机构和贸易的相对影响。
- Rodrik等人（2002）则认为机构比贸易更重要。
识别问题的诊断方法
作者采用Shea（1997）提出的部分R²（partial R-squared）统计量以及Stock和Yogo（2001）提出的最小特征值检验来评估工具变量的强度。结果显示，多数模型中的工具变量确实较弱，无法有效识别偏效应。
弱工具变量对估计结果的影响
在弱工具变量的情况下，常规的t统计量无法可靠地进行统计推断。因此，作者提出使用三种方法来构建更准确的置信区间：
- Anderson-Rubin（AR）统计量
- Moreira（2002）提出的条件似然比统计量（Conditional Likelihood Ratio）
- Startz、Zivot和Nelson（2001）提出的S统计量
这些方法得出的置信区间远大于传统方法，表明现有估计结果的不确定性较高。

关键信息

实证模型：所有讨论的论文都采用以下线性工具变量回归模型：
$$
\ln(\text{GDP per capita})_j = \beta_0 + \beta_1 \cdot \text{Institutions}_j + \beta_2 \cdot \text{Trade}_j + \beta_3' \cdot \text{Controls}_j + u_j
$$
工具变量：
- 机构质量的工具变量包括语言起源和定居者死亡率。
- 贸易的工具变量包括距离赤道的远近。
识别问题：
- 在DK模型中，机构和贸易的拟合值高度相关，导致第二阶段回归中工具变量识别能力较弱。
- 在RST模型中，虽然第一阶段回归的F统计量较大，但工具变量仍然较弱，无法有效区分机构和贸易的影响。
置信区间：
- 在弱工具变量的情况下，置信区间显著扩大，甚至覆盖整个实数轴。
- 这表明当前数据不足以支持对机构和贸易偏效应的可靠推断。

结构清晰要点

1. 介绍

本文探讨了机构和贸易对长期经济增长的偏效应识别问题。
指出现有实证模型中，工具变量可能不足以准确识别这些偏效应。

2. 实证背景

所有论文均基于相同的线性工具变量回归模型。
工具变量包括地理和历史变量，用于识别机构和贸易的内生性。
不同研究在变量测量、控制变量和工具变量选择上存在差异。

3. 工具变量是否有效

使用Shea的部分R²和Stock-Yogo的最小特征值检验来评估工具变量的强度。
结果显示多数模型中工具变量较弱，无法有效识别偏效应。

4. 弱工具变量下的置信区间

介绍了三种方法来构建置信区间：AR统计量、条件似然比统计量和S统计量。
这些方法得出的置信区间比传统方法更大，表明现有估计结果的不确定性较高。

结论

本文强调了在识别机构和贸易对长期经济增长的偏效应时，工具变量的强度至关重要。即使第一阶段回归表现良好，但若工具变量较弱，传统统计推断方法可能误导结论。因此，需要采用更稳健的置信区间方法来评估这些变量的真实影响。此外，作者认为这些结果对跨国经济增长文献有更广泛的意义，因为越来越多的研究开始重视关键变量的内生性问题。

展开完整摘要